【专题】UTD期刊中人机交互相关研究(内含扣子skill生成的专题)

复制链接到浏览器打开：https://www.coze.cn/s/hZ1U_wr4Tk8/

或者长按识别二维码查看完整报告

报告由「经管顶刊论文」skill生成，技能直达链接

序贯实验中的协作智能：药物发现中的人机循环框架

原标题：Collaborative Intelligence in Sequential Experiments: A Human-in-the-Loop Framework for Drug Discovery

作者：Jinghai He；Cheng Hua；Yingfei Wang；Zeyu Zheng

期刊：Information Systems Research

出版时间：2025/12/03

摘要：药物发现是一个复杂的过程，涉及依次筛选和检查大量分子以识别具有目标属性的分子。这个过程面临着挑战，原因是巨大的搜索空间，目标分子的稀有性以及受限数据和实验预算施加的约束。为了克服这些挑战，我们提出了一种以人为中心的人与算法协作框架。值得注意的是，无论是算法还是人类都存在显著的知识空白，因为人类仅拥有部分领域的理解能力，并且不存在用于训练算法的预标注数据集。所提出的算法从实验数据中不断学习以推荐分子，并且人类专家使用他们的(private)专业知识保持最终决策权来否决算法建议。我们的设计成果利用双加工理论进行注意力管理，将元知识作为协调的共享状态，并优化共同团队目标。通过在真实世界中的药物发现任务的全面评估，我们表明我们的方法始终优于所有基准方法，包括仅人类方法和仅算法方法。这展示了互补性能，在这种情况下，团队表现高于单独的人类或AI。我们的研究结果提供了关于(私人)领域知识、元知识和人类能动性作用的见解，强调了通过结合人类和人工智能的优势来加速疫苗和药物开发的这种框架的潜力。

算法精度与人的决策：课表互动优化研究

原标题：Algorithmic Precision and Human Decision: A Study of Interactive Optimization for School Schedules

作者：Arthur Delarue；Zhen Lian；Sebastien Martin

期刊：Management Science

出版时间：2025/11/10

摘要：本文与旧金山联合学区（SFUSD）合作，引入一个交互式优化框架来应对复杂的排课挑战。学校开始和结束时间的选择是一个优化挑战，因为时间表会影响该地区的交通系统，限制相关成本是一个计算困难的组合问题。然而，这也是一个政策挑战，因为交通成本远不是课程安排变化的唯一后果。政策制定者需要时间和知识来平衡这些考虑，谨慎达成共识；尽管采用了最先进的优化方法，但由于政策问题，过去的实施都失败了。我们首先用政策制定者和研究人员之间相互作用的微观基础模型来激励我们的方法，认为限制他们的依赖是关键。基于这些洞见，我们提出了一个框架，其中包括（1）一个能够解决排课问题的快速算法，与文献相比具有优势，以及（2）一个利用这种速度的交互式优化方法，允许决策者以透明、高效的方式探索各种解决方案，促进政策决策过程。该框架导致美国首次出现优化驱动的开学时间变化，2021年更新了SFUSD中所有133所学校的时间表，每年节省的交通费用超过500万美元。2022年对约2.7万名家长和员工进行的一项全面调查提供了该方法有效性的证据。

让AI用户参与在线聊天：来自随机现场实验的证据

原标题：Engaging Customers with AI in Online Chats: Evidence from a Randomized Field Experiment

作者：Shunyuan Zhang；Das Narayas

期刊：Management Science

出版时间：2025/10/01

摘要：我们研究了人工智能（AI）如何影响在线互动中客服代理的生产力和客户情绪。我们与一家送餐公司合作，进行了一项随机现场试验，利用外源性变异，让代理人获得AI生成的建议。我们发现AI提高了互动的效率和有效性：AI辅助的代理人反应更快，客户参与更深入，客户情绪获得更大改善。这些好处对于经验较少的经纪人来说最为明显。然而，AI的影响因对话类型而异：它提高了订阅取消请求的效率和客户情绪，但在重复投诉场景中效果最差，因为AI能力之外的系统性问题。对代理人信息的文本分析表明，AI辅助的代理人表现出更高水平的关键反应特征：共情、信息和解决方案，从而解释了改善的客户情绪。此外，我们还利用了一个独特的数据功能：客户首先在没有任何人工干预的情况下与自动聊天机器人聊天，然后被转移到人工代理（可能有人工智能协助，也可能没有人工智能协助）。我们发现，如果经历过聊天机器人理解失败的客户随后连接到AI辅助的人工智能代理，AI的参与会对客户情绪产生负面影响。这是因为在后一种情况下，异常快速的响应导致客户认为他们仍然只与聊天机器人交流，这表明他们最初的负面聊天机器人体验产生了溢出效应。公司在将AI集成到客户支持策略中时，应该理解对话上下文，如客户意图和聊天机器人互动。

寻找美好。寻求统一：人类与AI委托动态的隐马尔可夫模型

原标题：Find the Good. Seek the Unity: A Hidden Markov Model of Human-AI Delegation Dynamics

作者：Junming Liu；Wei Thoo Yue；Alvin Chung Man Leung；Xin Zhang

期刊：MIS Quarterly

出版时间：2025/09/01

摘要：随着人工智能成为企业决策不可或缺的一部分，本研究探讨了管理者与AI系统之间的协作动态，重点关注人类愿意将任务委托给AI的意愿。基于“代理性”系统委托框架和实例基础学习理论，我们在一项历时研究中采用隐马尔可夫模型来考察涉及875名商店经理的动态委托决策过程。我们发现管理层在委派意愿上可能存在分化，那些认识到人工智能能力的管理者表现出较高的委派意愿，并随着时间推移促进与人工智能的合作增加——相比之下，他们的同行则倾向于减少人工智能的参与。在人机交互过程中，管理者对AI的持续绩效评估塑造了他们动态的委托意愿，这反过来又影响了他们对AI能力的评估。这个过程形成了一个代表团反馈循环，推动了委派行为的动力学。我们的研究显示，愿意授权程度高的管理者往往优于他们的同行，并为组织环境中的人工智能与人类协作智能提供了宝贵的见解。

机器人与人类讨价还价：通过算法拟人化构建AI超级谈判者

原标题：Bots Bargaining with Humans: Building AI Super-Bargainers with Algorithmic Anthropomorphization

作者：Sumon Chaudhuri；Arnaud De Bruyn

期刊：Journal of Marketing Research

出版时间：2025/08/25

摘要：随着人工智能驱动的谈判的普及，其心理和关系影响仍然不清楚。作者提出了一种新颖的生成对抗网络框架，训练一个机器人以追求更优的经济结果，同时显得“人类”（algorithmic anthropomorphization）。在一个讨价还价游戏实验中，他们将这种“超人类”机器人与两种更简单的替代方案进行了比较：一种模仿人类行为的机器人和一个纯粹高效的机器人。结果表明(1)浅层拟人化可以使机器人显得像人类但不会改善主观评价,(2)高效的机器人如此理性以至于容易被利用从而削弱其表现,(3)超人类的机器人实现了更优的经济成果同时显得比实际的人类更像人类。然而即使机器人行为与人类无法区分，它们也可能触发一种“恐怖谷”效应，降低主观评价，而不管其表现如何。由于主观评价可以预测未来的谈判结果，这些发现突显了AI议价算法可能对长期客户关系产生的负面影响。作者敦促企业在评估AI谈判者时测量客观结果以外的内容。

管理洞察力与“最优”算法

原标题：Managerial Insight and “Optimal” Algorithms

作者：Blair Flicker

期刊：Management Science

出版时间：2025/08/14

摘要：越来越多的工作是由人类和算法协同完成的。在这种合作关系中，人类的一个相对优势在于他们的洞察力：与任务相关但计算机化系统无法获得的私人信息。我介绍了一个灵活的管理洞察模型，它接受任何需求分布，这是一个优于替代模型的优势，并将其应用于新闻供应商设置。这种环境下的最优政策理论上简单明了，但管理者很难直接实施。我提出了一种名为FIND的新方法，它利用历史预测将需求的点估计转化为条件概率分布。在八个实验中，FIND的表现优于在广泛条件下考虑的所有其他排序机制。为了模拟微妙的、非结构化的需求信号，最后四个实验使用图像、颜色和色调非定量地传达管理洞察力。FIND处理这些感知信号的性能与处理更传统的数字信号的性能一样好。

带私密信息的人引导人机交互离线强化学习

原标题：Offline Reinforcement Learning for Human-Guided Human-Machine Interaction with Private Information

作者：Zuyue Fu；Zhengling Qi；Zhuoran Yang；Zhaoran Wang；Lan Wang

期刊：Management Science

出版时间：2025/08/06

摘要：在推荐视频等人机交互提升客户参与度的激励下，我们研究了带有私人信息的人机交互决策。我们将这种互动建模为一个基于两人回合的游戏，其中一名玩家（人类Bob）引导另一名玩家（机器Alice）朝着一个共同目标前进。具体来说，我们在这个游戏中专注于离线强化学习（RL），目标是为Alice和Bob找到一个基于先验收集的离线数据集最大化其预期总回报的策略对。离线设置带来了两个挑战：（i）我们无法收集Bob的私人信息，导致在使用标准RL方法时产生令人困惑的偏见，以及（ii）用于收集数据的行为策略与我们希望学习的最佳策略之间存在分布不匹配。为了解决混杂偏见，我们将Bob之前的行为视为Alice当前决策的工具变量，以调整未测量的混杂。我们建立了一个新的识别结果，并提出了一种新的非策略评估（OPE）方法来评估这个基于两人回合的博弈中的策略对。为了解决分配错配问题，我们利用悲观主义的思想，并使用我们的OPE方法开发了一个非策略策略学习算法，用于为Alice和Bob寻找理想的策略对。此外，我们证明了在一些技术假设下，通过我们的方法得到的策略对以满意的速度收敛到最优策略对。最后，我们进行了仿真研究，以验证所提方法的性能。

从工具到代理：关于人类接受AI的元分析洞察

原标题：From Tools to Agents: Meta-Analytic Insights into Human Acceptance of AI

作者：Bingqing Li；Edward Yuhang Lai；Xin (Shane) Wang

期刊：Journal of Marketing

出版时间：2025/06/21

摘要：As 人工智能 (AI) 越来越自主且社会存在感越来越强，理解人们如何接受人工智能不仅作为一种技术工具，而且作为能够进行(半)自主决策和互动的代理至关重要。通过对代表超过119,000人的287个效应量的元分析，本研究考察了驱动人类接受AI的因素。通过一个双重视角框架（AI作为工具对AI作为代理），作者识别了影响接受度的关键AI特征，包括能力、角色、专业知识范围和拟人化。这些可编程的人工智能特性，连同情境和个人因素，形成一个解释不同使用场景和用户群体中人工智能接受度的AI-任务-用户框架。这些发现有助于关于人工智能接受度和人机交互的讨论，揭示了对接受人工智能存在一个较小且逐渐减少的抵触情绪，并且更重要的是，指明了未来研究的方向，即从代理视角进行实证测试和理论构建来研究人工智能接受度。本研究还为从业人员提供了一份可操作的以用户为中心的设计路线图，用于开发和传达符合人类期望并增强积极反应的人工智能功能，尤其是在具身人工智能迅速成为技术和社会现实之时。

以人为中心的人工智能

原标题：Human-Centered Artificial Intelligence: A Field Experiment

作者：Sebastian Krakowski；Darek Haftor；Johannes Luger；Natallia Pashkevich；Sebastian Raisch

期刊：Management Science

出版时间：2025/06/09

摘要：人类和人工智能（AI）算法越来越多地在非结构化管理任务上相互作用。我们认为，调整这种人工智能交互以符合个人的认知偏好对于提高绩效至关重要。这一假设通过一家跨国制药公司的实地实验得到验证。在实验中，我们操纵了人机交互工作程序、决策权、培训和激励的四个语境参数，以与销售专家的认知风格保持一致，分为适应者或创新者。我们的研究结果显示，定制互动显著改善了销售业绩，而与定制和对照条件相比，非定制互动产生了负面的治疗效果。定性证据表明，这种负面结果源于无语言互动中的角色冲突和模糊性。进一步探索这些结果背后的机制，AI登录数据的中介分析显示，人工AI交互定制导致销售专家调整AI利用率，这有助于观察到的绩效结果。这些发现支持以人为中心的AI方法，该方法优先考虑个人的信息处理需求，并相应调整他们与AI的互动。

利用AI和行为金融应对有限关注降低透支费用

原标题：Using AI and Behavioral Finance to Cope with Limited Attention and Reduce Overdraft Fees

作者：Daniel Ben-David；Ido Mintz；Orly Sade

期刊：Management Science

出版时间：2025/05/14

摘要：我们测试了人机交互在阻止用户透支银行账户方面的效果。我们采用随机现场实验，从美国和加拿大运营的大型个人理财平台用户中抽取样本。我们发现，按需发送提醒本身是有效的，而人类对信息结构的反应加剧了这种影响。更简单的信息更有效，简化信息的框架也会产生影响。年收入中高、信用评分一般至良好的用户最有可能做出积极回应。我们发现，被调查的人工智能解决方案降低了信息收集成本，具有积极的效果，但并非在所有情况下都是充分的。那些财务状况具有挑战性的人可能会发现，更难根据警告采取行动。对于我们的分析，我们采用了参数识别和时间到事件半参数分析。我们的工作贡献了有关金融技术的文献，包括顾问、人机交互、有限注意力、行为金融学和实验金融学。

触觉奖励：移动振动如何塑造奖励反应和消费者选择

原标题：Haptic Rewards: How Mobile Vibrations Shape Reward Response and Consumer Choice

作者：William H Hampton；Christian Hildebr

期刊：Journal of Consumer Research

出版时间：2025/04/25

摘要：人们一天中有很大一部分时间都在与振动的移动设备互动，但消费者在心理上如何回应这些设备的触觉反馈及其对消费者决策的影响在很大程度上是未知的。结合最近在人机交互和奖励处理方面的研究，当前的研究检验：（1）振动持续时间和奖励反应之间的关系，（2）奖励振动在多大程度上影响消费者的选择，（3）这种效应发生的过程，以及（4）与其他形式的反馈（视觉和音频）相比，这种效应有何不同。我们发现，移动振动会引发一种不同于其他形式反馈的奖励反应，这反过来会促进在线购物环境中的购买（增加商品添加量和更高的购物篮总数），冲动的消费者往往对移动振动更敏感。我们在各种实验环境中考察了移动振动对消费者决策的影响，利用不同的参与者群体，利用受控实验和全国范围的实地实验来评估重要的边界条件。这些发现对市场中触觉界面的伦理设计以及移动振动作为一种新型奖励形式的作用具有重要意义。

提供算法性能信息能促进人类的库存订购行为吗？

原标题：Can Providing Algorithmic Performance Information Facilitate Humans’ Inventory Ordering Behaviors?

作者：Yingda Lu；Xueming Luo；Liqiang Huang；Danni Wang

期刊：Information Systems Research

出版时间：2025/04/11

摘要：近年来，公司越来越多地采用算法决策系统（ADS）来取代人类。在本文中，我们关注的是在库存订购决策的背景下，ADS如何促进人力经理的决策，而不是完全取代人，特别是向人力经理提供ADS绩效信息的效果。通过一对实地实验，我们的研究结果表明，提供ADS性能信息可以改善他们的库存订购决策。有趣的是，提供正面和负面的ADS业绩信息可以增强人力经理的库存订购决策，后者被证明更加有效。我们的分析显示，合规和审议是ADS业绩透明度影响库存订购决策的两种机制。此外，我们探索了异质效应，发现披露广告业绩信息更有助于人力经理监管销售额较低、不确定性较高的产品，从而解决人力经理最依赖算法建议的痛点。我们的研究结果还显示，ADS业绩信息作为一种均衡器，对业绩较差的管理者更有利。这些结果证明了算法性能透明度在人类采用ADS中的重要性，并阐明了在企业内部使用ADS的管理含义。

非理性感知的人机协作：缓解拷贝交易中的交互非理性

原标题：Irrationality-Aware Human Machine Collaboration: Mitigating Alterfactual Irrationality in Copy Trading

作者：Zhe Shen；Wei Jiang；Zhiqiang (Eric) Zheng

期刊：Information Systems Research

出版时间：2025/04/09

摘要：人类决策产生的数据继承了人类的非理性，但人工智能（AI）算法往往在其训练的数据是理性的隐式假设下运行。我们挑战了这个便利的假设，并开发了一个非理性感知的人机协作（IA-HMC）框架来解决这个问题。在这个框架内，我们提出了一个新的交替非理性概念，该概念识别了受无关替代输入影响的非理性人类决策。然后，我们开发了非理性感知的机器学习方法来解释这种非理性，并通过收缩方法增强人机协作。我们应用该框架来缓解复制交易决策过程中存在的不合理性，这种做法使非专业投资者（关注者）能够评估和复制专家交易员的交易。我们特别指出了追随者决策中普遍存在的交替事实非理性的两个主要来源：羊群行为和身份偏见。我们的结果表明，我们提出的方法优于原始跟随者决策和收缩方法，分别提高了49.0%和10.2%的获胜率。这项研究标志着设计机器学习算法以克服人类决策非理性的首次尝试，表明让AI与人类偏好保持一致需要考虑人类的非理性行为。

带有私人信息的人类算法协作：天真的建议加权行为和缓解

原标题：Human-Algorithm Collaboration with Private Information: Naïve Advice-Weighting Behavior and Mitigation

作者：Maya Balakrishnan；Kris Johnson Ferreira；Jordan Tong

期刊：Management Science

出版时间：2025/03/24

摘要：即使算法比人类平均做出更好的预测，人类有时也可能拥有算法无法访问的私人信息，这些信息可以提高性能。在这种情况下，我们如何帮助人类有效地使用和调整算法提出的建议？在决定是否以及如何覆盖算法的建议时，我们假设人们倾向于遵循天真的建议权重（NAW）行为；他们在自己的预测和算法的预测之间取一个加权平均值，在预测实例之间保持不变的权重，无论它们是否拥有有价值的私有信息。这导致人类在其私人信息有价值时过度依赖算法的预测，而在没有价值时则不太坚持。在一项在线实验中，参与者被要求在获得算法预测的同时对20种产品进行需求预测，我们证实了这种对NAW的偏见，并发现它导致预测误差增加20%-61%。在第二个实验中，我们发现，即使底层算法是黑匣子，特征透明也能帮助用户更有效地区分如何偏离算法，从而使预测误差降低25%。我们在第三个实验中做了进一步的改进，通过一项旨在让用户远离建议权重的干预措施，转而只使用他们的私人信息来告知偏差，从而使预测误差减少34%。

当算法委托给人类：探索优步的人类算法交互

原标题：When Algorithms Delegate to Humans: Exploring Human-Algorithm Interaction at Uber

作者：Marta Stelmaszak；Mareike Möhlmann；Carsten Sørensen

期刊：MIS Quarterly

出版时间：2025/03/01

摘要：算法越来越多地被视为能够自主启动和管理与人类的互动，例如，通过在没有人为干预的情况下为共享任务的成功结果授权权利和责任。虽然对此类互动的研究主要集中在二元配置上，但多个代理协同工作的复杂环境已经成为超越二元结构的更微妙互动的纽带。本文通过研究在多智能体环境下有多少算法委托给多个人，从委托的角度探讨了这种互动。通过分析专利数据和对司机、乘客的采访，我们在叫车应用优步的背景下解包了代表团。我们将分布式委托理论化为一个捕获集体混合评价、集体混合分配和集体混合协调的结构，其中一组算法通过利用多个人类智能体的输入进行委托。我们的研究结果突显了分布式委托本质上是集体的、混合的和关系的，并证明了算法集体在多大程度上需要人力投入来行使委托能力。分布式委托作为算法和人类参与的连续体，对最近提出算法前所未有的自主权的理论提出了挑战。

人智交互情境下用户隐私悖论行为画像模型构建及实证研究

作者：毛太田;汤淦;周之桢

期刊：《情报学报》

出版时间：2025-08-24 00:00:00

摘要：探究人智交互情境下用户隐私悖论行为的原因要素和行为结果，构建人智交互情境下用户隐私悖论行为模型并进行画像分析，可为用户体验的优化与隐私保护政策的制定提供理论支撑。本研究采取网络调查法与半结构访谈法获取数据，通过扎根理论提取要素标签，结合SSO(stressor-strain-outcome)理论与信息生态理论构建人智交互情境下用户隐私悖论行为画像模型，基于问卷调查数据进行K-means聚类分析，得出积极探索型、谨慎防御型、理性权衡型和被动回避型4种不同画像类型，为相关人工智能生成内容平台提供较为全面的用户隐私悖论行为画像类型解释。

任务依赖关系如何影响在线知识社区人机协作模式——基于机器行为学的实证研究

作者：左敏;裘江南

期刊：《情报学报》

出版时间：2025-05-24 00:00:00

摘要：在线知识社区（online knowledge community,OKC）引入机器人实现人机智能增强的关键，在于理解人类和机器人正在执行任务之间的依赖关系，以及协调团队工作的人机协作模式。首先，本文从机器行为学视角，使用流程挖掘方法对人机协作模式进行识别并细分为自动化辅助和增强辅助两类；其次，根据协调理论分析流型、整合型和共享型三种基本任务依赖关系对两类人机协作模式的影响，以及任务类型的调节效应。典型人机协作知识生产社区Wikipedia词条数据的实证分析结果表明，机器人辅助人类的增强辅助协作模式对三种任务依赖关系导致的人机团队协调问题具有很好的管理效果，而机器人独立执行的自动化辅助协作模式发挥的作用有限，并且上述影响关系会随着任务类型的变化而变化。本文拓展了机器行为学和协调理论在OKC人机协作知识生产中的应用，丰富了人机协作模式影响因素的实证研究，为OKC平台人机协作流程管理和任务设计提供了有益指导。

人机联合认知视角下制造企业如何实现智能决策

作者：许晖;龙杨;李阳;卢会北

期刊：《中国工业经济》

出版时间：2025-04-28 14:02:00

摘要：人工智能（AI）等数智技术的快速发展与应用对制造企业传统决策范式带来了冲击和挑战，如何运用AI技术实现企业智能决策已成为管理科学领域亟待探究的问题。本文基于人机联合认知视角，以爱玛科技为案例分析对象，深入探究人与AI两类认知系统通过联合协作实现智能决策的动态演化过程。研究发现，人与AI两类决策主体通过认知层和协作层影响人机协同下的智能决策形成，并呈现“预测型—探索型—互动型”从单一人工决策到多方集智决策的演化路径。企业不同智能决策阶段呈现出差异化人机认知和协作机制。其中，认知层面呈现“认知建模—认知优化—认知适配”的人机双主体认知匹配特征，而协作层面呈现“辅助技术代理—增强技术代理—自动技术代理”的低阶向高阶技术代理升级轨迹。本文提炼了新型人机互补智能决策范式，明晰了联合逻辑对决策主体、决策流程和决策特征的具体影响。本文形成的理论框架既是对人机协同决策理论解释边界的新拓展，也为数智经济情境下促进人机决策范式转变和使能提供了有益的政策启示。

人工智能驱动管理决策：应用、感知与偏见

作者：谷炜;刘亚金;Lu Feng Susan;闫相斌

期刊：《中国管理科学》

出版时间：2025-03-10 11:11:00

摘要：近年来，由人工智能引领的新一轮科技创新和产业变革，突破了传统管理决策系统受限于数据可获取性和模型可解性的局限性，使得自动化的数据分析和智能化的决策支持成为可能。同时，在数字经济浪潮的推动下，人工智能技术已广泛渗透到企业运营决策的各个环节，这为实现数字化管理创造了新的机遇，同时也给管理决策研究带来了新的挑战。本文从人工智能在不同商业环境的应用、人们对人工智能的感知和人工智能算法的偏见这三个方面对人工智能驱动的管理决策进行梳理、归纳和展望，并提出了未来研究的趋势和方向，为开展更深层次的研究提供了思路，为企业管理者和政策制定者进行科学决策提供参考，推动人工智能驱动管理决策的理论研究与商业实践。

基于生成式人工智能的经济管理学科相关研究综述

作者：胡祥培;周雅娴

期刊：《中国管理科学》

出版时间：2025-01-15 00:00:00

摘要：以国家自然科学基金委员会和FMS认定的管理类高质量中英文期刊为文献检索依据，按照管理科学部四个学科（管理科学与工程、工商管理、经济科学、宏观管理与政策）对生成式人工智能在经济管理学科的相关研究进行文献计量分析。研究结果表明：（1）中英文文献的期刊、研究机构和合作网络存在差异，中文文献集中于信息资源管理和图书情报领域，合作关系依赖于学科、机构和地理位置的相似性；英文文献更加多样和广泛，但机构间尚未形成持续稳定的合作成果输出；跨学科、跨机构和跨地域之间的协同研究有待加强。（2）现有研究主要集中在宏观管理与政策和管理科学与工程学科，侧重实证应用研究；工商管理和经济科学学科，以及专注于生成式人工智能技术和风险问题的研究相对较少；英文文献的研究主题和应用领域均比中文文献更加广泛，研究数量和聚焦程度也高于中文文献。未来研究可聚焦于生成式人工智能与管理工具、理论方法及复杂管理情境的交叉融合，并推动具体管理研究范式的变革。

人工智能驱动下的营销变革

作者：石峰;杨扬;袁韵;贾建民

期刊：《中国管理科学》

出版时间：2025-01-15 00:00:00

摘要：人工智能（AI）的迅猛发展，催生了企业新的实践和营销模式，改变了企业与消费者的互动方式，使得营销科学的理论和实践经历着一场颠覆性变革。为了揭示人工智能驱动下的营销变革，本文基于近年来AI与营销科学等交叉领域的代表性文献，首先划分出AI与营销领域结合的萌芽、发展和深化等渐进式三阶段；然后提出了“AI认知—AI赋能—AI互动—AI集成”的理论分析框架，最后结合该框架展望了未来研究方向，包括构建更具解释力的AI采纳模型，开发公平的AI定价算法，探索AI互动中的消费者心理机制，和设计有效的人机协作管理机制等，以期推动人工智能和营销交叉领域的理论发展和实践应用。

语音交互可用性的概念化与度量：智能产品使用协同原则理论的发展

原标题：Conceptualization and Measurement of Voice Interaction Usability: The Development of Cooperative Principle Theory for Smart Product Use

作者：Qian Chen；Yeming Gong；Mark Keil；Shan Liu；Yaobin Lu

期刊：MIS Quarterly

出版时间：2024/09/01

摘要：语音交互的可用性对于消费者在与声控智能产品交互时获得满意的体验至关重要。然而，从用户角度出发的语音交互研究不足，目前还没有现成的衡量语音交互可用性的量表。本研究采用混合方法的方法探索语音交互可用性的构建，并建立一个可用于测量的量表，首先利用扎根理论衍生的编码技术开发基于用户评论的语音交互可用性维度，然后基于合作原则理论建立了五个维度、13个子维度的语音交互可用性分类。在开发了多层次维度后，我们收集并检验了多轮调查数据，开发并验证了语音交互可用性量表。本研究通过扩展四原则框架、在人机语音交互语境下开发框架的子维度，以及通过开发关联量表来操作维度概念，增强了合作原则理论。语音交互可用性量表不仅有助于研究用户使用语音控制智能产品的行为和体验，还为完善语音交互功能的设计提供洞见。

语音聊天机器人设计中的身份揭示与拟人化：一项现场实验

原标题：Identity Disclosure and Anthropomorphism in Voice Chatbot Design: A Field Experiment

作者：Yuqian Xu；Wanfeng Yan；Hongyan Dai

期刊：Management Science

出版时间：2024/08/26

摘要：在算法和人工智能广泛采用的推动下，聊天机器人的使用在各种商业环境中变得越来越流行。本文研究如何有效、恰当地使用语音聊天机器人，尤其是利用身份披露和拟人化这两个设计特征，并评估它们对公司经营业绩的影响。我们与大型卡车共享平台合作，进行了实地实验，随机分配1.1万名卡车司机，接收我们焦点平台语音聊天机器人调度员的外呼。我们的实证结果表明，在对话开始时披露聊天机器人的身份会对运营业绩产生负面影响，导致响应概率降低约11%。然而，通过添加我们提出的拟人化特征（即叹词和填充词）来人性化语音聊天机器人，显著提高了响应概率、对话长度和订单接受意愿概率，分别提高了5.6%、24.9%和10.1%以上。而且，即使聊天机器人的身份随着人性化功能被披露，运营效果还是有所改善。这一发现表明，增强拟人性可能会抵消聊天机器人身份披露的负面影响。最后，我们对性能改善提出了一个合理的解释，即人与算法之间的信任增强，并提供了经验证据，表明驾驶员更有可能向具有拟人特征的chatbot调度员披露信息。我们提出的拟人化改进解决方案目前正在由我们的合作伙伴平台实施和使用。

线下连接客商：来自阿里巴巴最后一英里站商业化的实验证据

原标题：Connecting Customers and Merchants Offline: Experimental Evidence from the Commercialization of Last-mile Stations at Alibaba

作者：Brian Rongqing Han；Tianshu Sun；Leon Yang Chu；Lixia Wu

期刊：MIS Quarterly

出版时间：2024/07/24

摘要：许多电商平台建立了广泛的站点网络，作为其最后一公里物流基础设施。这项研究探讨了这个最后一英里的基础设施如何作为一个线下平台，通过利用步入式流量（有机互动），并通过在线干预（诱导互动）来激励感兴趣的客户，将实体世界中的客户和商家连接起来。以自由样本分配为例，我们与阿里巴巴合作设计了两项大规模研究——跨越1032个站点的观察性研究和对189019名客户的随机现场实验，分别考察有机互动和诱导互动对客户后续在焦点品牌线上购买的因果影响。我们发现，诱导互动比有机互动更能推动在线销售。诱导互动下，在线干预有效增加了免费样本发放数量。尽管如此，诱导型申请者在线销售额的更显著增长并不仅仅是因为分发了更多免费样本，而是因为诱导型客户更感兴趣，也更有可能购买。我们认为这一现象是一种筛选机制，有助于对声称获得样本的客户进行有利选择。愿意支付额外差旅费用、索取样品的客户，后续更有可能在焦点品牌购买。最后，我们利用广义随机森林开发了一个定制的目标定位框架，以增强最后一英里站诱导交互的有效性。我们的研究提出了一个关键洞见，即全渠道环境下的“入户”流量可能会有根本性的不同，这取决于线下客户是否来自线上渠道。

与人或机器互动：人类何时能更好地推理？

原标题：Interacting with Man or Machine: When Do Humans Reason Better?

期刊：Management Science

出版时间：2024/07/03

摘要：复杂问题的解决被广泛视为混合人工智能（AI）团队的下一个挑战。本文通过实验来评估人类推理质量是否存在差异，这取决于人类是与人类互动还是算法。为此，我们设计了一个交互式推理任务，并比较了人类与其他人类和AI配对时的表现。通过改变任务的难度（即，需要反事实推理的步骤），我们发现，对于简单任务，受试者如果与其他人一起玩，他们的表现要好得多，而对于困难问题，情况恰恰相反。受试者与人类专家玩的其他实验表明，这些差异是由AI正确推理的知识驱动的，而不是人工智能是非人类的。

投资决策中的人机交互

原标题：Human-Robot Interactions in Investment Decisions

期刊：Management Science

出版时间：2024/06/13

摘要：我们研究引入robo，为大量员工储蓄计划提供建议。与许多完全自动化投资组合决策的服务不同，我们的机器人顾问提出了投资和再平衡策略，让投资者可以自由地遵循或忽略它们。由此产生的人机交互既发生在认购时，也会随着时间推移发生，因为当投资者的投资组合离目标配置太远时，机器人会发出警报。我们发现，机器人服务与投资者关注度和交易活动的增加有关。跟随机器人的提示，投资者改变再平衡行为，以便更接近目标配置，从而获得更大的投资组合收益。机器人自动再平衡引发的反事实收益只会略高一点，表明平均而言，让投资者保留控制权的财务成本并不大。

1 + 1 > 2 ?信息、人类和机器

原标题：1 + 1 > 2? Information, Humans, and Machines

期刊：Information Systems Research

出版时间：2024/05/02

摘要：随着数据的爆炸式增长以及人工智能和自动化工作流程的快速崛起，人类不可避免地陷入与机器越来越紧密的协作中，无论是作为员工还是消费者。人机交互中的问题由此产生，更不用说管理规模不断扩大的信息所带来的困境了。考虑到机器在后一方面的普遍优势，与人的表现相比，有必要探索人机协作是否有价值，如果有，为什么。最近的研究提出了多种解释方法来揭示机器学习算法的“黑匣子”，旨在减少人类阻力，提高效率。然而，这股文献流的发现却没有定论。人们对其中涉及的影响因素或其对人类决策过程影响背后的原理知之甚少。本研究旨在通过具体研究信息复杂性和机器解释的联合影响来解决这些问题。具体来说，我们与亚洲一家大型小额贷款公司合作，进行了两阶段实地试验。基于推理的双过程理论中提出了激发人类主动信息处理和系统思维所需的不同条件的研究，我们定制了不同的处理方法，以改变信息复杂性水平、协作的存在以及机器解释的可用性。我们观察到，由于信息量大，仅凭机器解释，人类评估者无法为最终的合作结果增加额外价值。然而，当大量信息与机器解释相结合时，与纯机器决策相比，人类参与显著降低了违约率。我们通过三步实证分析理清了潜在机制。我们发现，大规模信息与机器解释共存，可以激发人类的主动反思，进而缩小性别差距，提高预测准确率。特别是，我们证明，人类可以自发地将新出现的特征与其他被忽视但有可能纠正机器错误的特征联系起来。这种能力不仅强调了人机协作的必要性，还提供了对系统设计的洞察。我们的实验和实证发现提供了非平凡的理论和实践意义。

信任和与机器人合作：机器人优先于人类同事的关系人口学理论

原标题：Trusting and Working with Robots: A Relational Demography Theory of Preference for Robotic over Human Co-Workers

期刊：MIS Quarterly

出版时间：2024/04/28

摘要：企业正面临着将人类和机器人整合成一支有凝聚力的劳动力队伍的新挑战。关系人口学理论（RDT）解释了差异对人类何时以及为什么信任他人、更愿意与他人合作的影响。本文提出，RDT将是一个有用的视角，帮助组织理解如何将人类和机器人整合到一个有凝聚力的劳动力队伍中。我们提出了一个基于RDT的研究模型，考察了性别和同事类型（人类vs.机器人）的差异以及工作风格和个性的差异。为了实证检验研究模型，对347名和422名仓库工人进行了两个实验。结果表明，性别、工作风格和人格差异对swift信任的负面影响取决于同事类型。性别差异对机器人同事swift信任的负向影响较强，而工作风格和个性对机器人同事swift信任的负向影响较弱。此外，对机器人同事的swift信任增加了对机器人同事的偏好，而不是人类同事，而对人类同事的swift信任减少了这种偏好。总的来说，这项研究通过从RDT的角度识别差异的重要性，有助于我们目前对人与机器人协作的理解。

人类理性程度与人机协作绩效：基于计算实验的演化分析

作者：裘江南;张方芳;尤玥;李梦洁;高双燕

期刊：《运筹与管理》

出版时间：2024-11-25 00:00:00

摘要：随着人工智能的兴起，人机协作显著地提高了任务的效率和质量。人类作为人机协作的主要参与者，在协作中起着关键作用，但当前少有研究关注人类主体特质对人机协作绩效的影响。因此，本文基于有限理性理论，整合虚拟博弈模型以及强化学习算法，构建了考虑人类理性程度的人机协作计算实验模型。通过一个移动协作任务的仿真实验，分析了人类理性程度对协作绩效的影响以及不同机器人适应性的情景下人类理性程度对协作绩效的影响。结果表明，人类理性程度能促进人机协作客观绩效与主观绩效的提升，但这种影响作用对于客观绩效而言边际递减，且机器人适应性越高，人类理性程度对协作绩效的影响越明显。该研究将有限理性理论扩展到了人机协作绩效提升领域的研究中，研究结论对人机团队的管理具有一定的实践启示。

人工智能在供应链韧性塑造中的作用——基于迈创全球售后供应链管理实践的案例研究

作者：宋华;韩梦玮;沈凌云

期刊：《中国工业经济》

出版时间：2024-06-20 16:00:00

摘要：VUCA情境下供应链韧性建设是促进供应链高质量发展的关键。本文从人机交互和具象人工智能(AI)认知理论相结合的视角出发,以迈创为案例分析对象,探究了AI驱动下供应链韧性的形成与动态演进过程,以及AI对供应链韧性的作用机制。本文提出基于具象AI认知的人机交互理论,即人机交互的目标协调、行为协调和决策协调过程伴随着人对AI的认知由透明性到负责性,再到公平性的动态演化。这一过程驱动了由适应型供应链韧性塑造到持续型供应链韧性塑造,再到变革型供应链韧性塑造的三阶段跃迁。此外,揭示了AI在驱动供应链韧性塑造过程中所发挥的差别性作用及其梯次发展特征,即AI的作用不仅是算力表现的决策支持,还是一种协调和规范机制。这表现为,随着基于具象AI认知的人机交互的深化,AI的作用性质由工具性演变为战略性,作用范围由单点扩展至全链,作用角色由被动支持转化为主动参与。本文拓展了人机交互理论,阐明了AI驱动供应链韧性形成与演进的底层机理,丰富了数字经济时代供应链韧性领域的理论探索。

往期回顾:【专题】|会计|财务金融|信息管理|营销|管理科学与工程|工商管理